| 0 |
|
Согласно статье, опубликованной вчера в журнале Nature Methods, исследователи в области наук о жизни, которые используют машинное обучение в своих исследованиях, должны принять стандарты, которые позволят другим исследователям воспроизводить их результаты.
«В конечном итоге вся наука построена на доверии — ни один ученый не в состоянии воспроизвести результаты каждой прочитанной статьи, — пишут авторы статьи, в числе которых исследователи из США, Канады и Европы. — Вопрос в том, как сделать так, чтобы можно было доверять анализу машинного обучения в науках о жизни».
Статья формулирует стандарты, позволяющие претендовать на один из трех уровней доступности: бронзовый, серебряный и золотой. Каждый из них устанавливает минимальные уровни предоставления материалов исследования, чтобы другие специалисты в области наук о жизни могли доверять работе, и, если это необходимо, подтверждать её выводы и опираться на неё.
На бронзовый стандарт, исследователям необходимо сделать общедоступными свои данные, коды и модели: «Отсутствие возможности изучить модель также затрудняет доверие к ней».
Серебряный стандарт ко всему, требуемому на бронзовом уровне, добавляет дополнительные сведения о системе, в которой запускается код. Эта информация теоретически позволяет дублировать тренировочный процесс.
Чтобы претендовать на «золото», исследователи должны добавить к своей работе «простую кнопку», чтобы дотошные читатели могли воспроизвести предыдущий анализ с помощью одной команды, и «бремя воспроизведения их работы было как можно меньше».
Авторы также дают рекомендации по документированию шагов и их распространению, что делает статью важным вкладом в дело совершенствования использования машинного обучения и прочих методов анализа данных в науках о здоровье, а также в других областях, где критично доверие.
Стратегія охолодження ЦОД для епохи AI
| 0 |
|
